隨著最近這些年來互聯(lián)網(wǎng)的極速擴張,數(shù)據(jù)量呈指數(shù)式的增長,此時推薦系統(tǒng)應(yīng)運而生。每個不同的領(lǐng)域都出現(xiàn)了相對應(yīng)的推薦系統(tǒng),極大的緩解了商家和用戶從大量數(shù)據(jù)中篩選有用數(shù)據(jù)的難題。Slope One由于它區(qū)別于其他算法的易懂的原理、清晰的流程卻又高度的準(zhǔn)確性使之流行起來,它使用用戶之間的評分均差值去預(yù)測沒有評分的項。在如今Slope One的優(yōu)化論文數(shù)量不計其數(shù)、優(yōu)化的方向多種多樣。比如較為流行的引入項目或用戶相似度加權(quán)Slope One算法,該算法因為引入相似度作為權(quán)重,所以較普通的加權(quán)Slope One準(zhǔn)確性更高。不過該算法依然存在的數(shù)據(jù)稀疏性、單一算法局限性和某些情況下存在無法預(yù)測的問題。所以本文主要針對上面的這些缺陷,對引入項目或用戶相似度的加權(quán)Slope One提出了兩點改進(jìn),主要的內(nèi)容如下:一、由于引入項目或用戶相似度的加權(quán)Slope One算法需要考慮計算相似度矩陣的問題,所以就不得不重視數(shù)據(jù)稀疏性的問題。為了應(yīng)對這一廣泛存在的問題,本文提出基于缺失值迭代預(yù)測填充的Slope One算法,該算法對用戶-評分矩陣一次一次迭代的填補,對于每一次迭代都是使用填充后的評分矩陣計算得出相似... 

【文章來源】：吉林大學(xué)吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：58 頁

【學(xué)位級別】：碩士

【部分圖文】：

全球數(shù)據(jù)圈的每年規(guī)模

第1章緒論4迭代的思想到相似度的加權(quán)SlopeOne中，通過迭代可以將無效值穩(wěn)定在一個范圍內(nèi)，使得修正后的數(shù)據(jù)計算得出的相似度更加準(zhǔn)確，最終達(dá)到準(zhǔn)確度增加的目的。所以綜上所述，本文將相應(yīng)地改進(jìn)的算法--基于缺失值迭代預(yù)測填充的SlopeOne算法，該算法在每一次的迭代中使用SWSO算法對用戶-評分矩陣中為評分項預(yù)測填充，接著使用填充后的用戶-評分矩陣計算相似度矩陣，這個相似度矩陣在每一次迭代中逐漸精準(zhǔn)并對下一次迭代起到影響，直到填充的缺失值達(dá)到穩(wěn)定。該算法緩解了數(shù)據(jù)的稀疏性同時卻增加了計算的復(fù)雜度，混合算法的簡單流程如下圖1.2所示。圖1.2基于缺失值迭代預(yù)測填充的SlopeOne算法的簡單流程2、與其他算法相融合文獻(xiàn)[25]中基于缺失值迭代預(yù)測填充的協(xié)同過濾（簡稱IFCF）與上述提出的改

第1章緒論5進(jìn)算法的過程相似，只是一個使用CF預(yù)測填充，另一個使用引入User或Item相似度的加權(quán)SlopeOne預(yù)測填充。本文將兩個過程一致但獨立的算法進(jìn)行融合，融合的方式就是需要將缺失值的預(yù)測結(jié)果由兩個算法共同決定而不是其中的任意一個，比如兩個算法的對結(jié)果所占的比例為9:1。融合后的算法考慮到兩種算法各自的優(yōu)勢，避免了單一算法的局限性�；旌纤惴ê唵瘟鞒倘缦聢D1.3所示。圖1.3混合算法的簡單流程1.4本文組織結(jié)構(gòu)第1章緒論。本章首先簡要的從推薦系統(tǒng)的如何出現(xiàn)如何發(fā)展起來講起，論述了近些年來國內(nèi)外推薦系統(tǒng)的發(fā)展情況，主要描述了協(xié)同過濾和SlopeOne

【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)的推薦系統(tǒng)研究綜述[J]. 黃立威,江碧濤,呂守業(yè),劉艷博,李德毅.  計算機學(xué)報. 2018(07)
[2]基于缺失值迭代預(yù)測填充的協(xié)同過濾推薦算法[J]. 盧棪,劉應(yīng)安.  計算機與數(shù)字工程. 2016(06)
[3]融合用戶相似度與項目相似度的加權(quán)Slope One算法[J]. 張玉連,郇思思,梁順攀.  小型微型計算機系統(tǒng). 2016(06)
[4]基于評分矩陣填充與用戶興趣的協(xié)同過濾推薦算法[J]. 韓亞楠,曹菡,劉亮亮.  計算機工程. 2016(01)
[5]個性化推薦系統(tǒng)綜述[J]. 王國霞,劉賀平.  計算機工程與應(yīng)用. 2012(07)
[6]一種改進(jìn)的Slope One協(xié)同過濾算法[J]. 王毅,樓恒越.  計算機科學(xué). 2011(S1)
[7]基于動態(tài)k近鄰的SlopeOne協(xié)同過濾推薦算法[J]. 孫麗梅,李晶皎,孫煥良.  計算機科學(xué)與探索. 2011(09)
[8]個性化推薦系統(tǒng)的研究進(jìn)展[J]. 劉建國,周濤,汪秉宏.  自然科學(xué)進(jìn)展. 2009(01)



本文編號：3495566